公开(公告)号：CN116128041A

公开(公告)日：2023-05-16

申请号：CN202310167325.8

申请日：2023-02-23

Applicant: 北京理工大学

Inventor： 毕蓓 ,  张志威 ,  乔鹏鹏 ,  袁野 ,  王国仁

IPC: G06N3/08 ,  G06N3/098 ,  G06N3/04 ,  G06F21/62

Abstract: 本公开的基于GraphSMOTE的合成少数节点过采样图联邦学习方法，包括步骤一，客户向服务器上传上一轮迭代训练的模型参数；步骤二，服务器对各客户的模型参数做加权平均，将全局模型参数广播给各客户；步骤三，客户利用全局模型参数提取本地少数类节点的中间特征，寻找欧氏距离最近的节点对，引入随机噪声插值生成合成样本；步骤四，服务器收集并分发各客户的平均少数类节点表示与合成样本；步骤五，客户生成跨客户的合成样本，并为所有合成样本预测新边，加入本地数据集参与训练。本方法集中了联邦学习和图数据增强的优点，在保证数据隐私的前提下实现节点和边信息的全局流通，同时通过调节超参数赋予客户对合成样本总量的决定权，降低了通信成本。